隨著AI Agents技術的不斷發(fā)展和成熟，我們可以期待在未來看到更多令人興奮的創(chuàng)新和應用。這些技術有望成為推動人類進步和提高生活質量的重要工具。

本周，一家名為Cognition AI的初創(chuàng)公司引起了轟動，他們發(fā)布了一個演示，展示了一個名為Devin的人工智能程序執(zhí)行通常由高薪軟件工程師完成的工作。像ChatGPT和Gemini這樣的聊天機器人可以生成代碼，但Devin更進一步，規(guī)劃解決問題的方法，編寫代碼，然后測試和實施。

Devin的創(chuàng)建者將其定位為“AI軟件開發(fā)人員”。當被要求測試Meta的開源語言模型Llama 2在通過不同公司主機訪問時的性能時，Devin生成了一個逐步的項目計劃，生成了訪問API并運行基準測試所需的代碼，并創(chuàng)建了一個總結結果的網(wǎng)站。

評估經過策劃的演示總是很困難，但Cognition展示了Devin處理各種令人印象深刻的任務。它在推特上讓投資者和工程師們贊嘆不已，獲得了許多認可，甚至激發(fā)了一些預測Devin將很快導致技術行業(yè)裁員浪潮的到來。

Devin只是我一直在追蹤的趨勢的最新、最精致的例子——即出現(xiàn)了能夠采取行動來解決問題，而不僅僅是提供人類所提出問題的答案或建議的AI Agents。幾個月前，我試駕了Auto-GPT，這是一個開源程序，試圖通過在用戶的計算機和網(wǎng)絡上采取行動來完成有用的任務。最近，我測試了另一個名為vimGPT的程序，以了解新的AI模型的視覺技能如何幫助這些Agents更高效地瀏覽網(wǎng)絡。

我對這些Agents的實驗結果印象深刻。然而，就像為它們提供動力的語言模型一樣，它們現(xiàn)在還存在相當多的錯誤。當一款軟件正在采取行動，而不僅僅是生成文本時，一個錯誤可能意味著徹底失敗——并可能帶來昂貴或危險的后果。將Agents能夠執(zhí)行的任務范圍縮小到特定的軟件工程任務集合，似乎是降低錯誤率的聰明方式，但仍然存在許多潛在的失敗方式。

不僅僅是初創(chuàng)公司在構建AI Agents。本周早些時候，我寫了一篇關于由Google DeepMind開發(fā)的名為SIMA的Agents的文章，該Agents玩的視頻游戲包括真正瘋狂的標題《Goat Simulator 3》。SIMA通過觀察人類玩家學會了如何執(zhí)行600多項相當復雜的任務，例如砍樹或擊中小行星。最重要的是，即使在陌生的游戲中，它也能成功地執(zhí)行許多這些動作。Google DeepMind稱之為“通才”。

我懷疑Google希望這些Agents最終能夠在視頻游戲之外的領域發(fā)揮作用，也許是幫助用戶代表他們使用網(wǎng)絡或操作軟件。但視頻游戲為開發(fā)和測試Agents提供了一個良好的沙盒環(huán)境，因為它們提供了復雜的環(huán)境，可以在其中對Agents進行測試和改進。“使它們更加精確是我們正在積極努力的事情，”Google DeepMind的研究科學家Tim Harley告訴我。“我們有各種各樣的想法。”

在接下來的幾個月里，你可以期待更多關于AI Agents的新聞。Google DeepMind的CEO Demis Hassabis最近告訴我，他計劃將大型語言模型與公司先前訓練AI程序玩視頻游戲的工作相結合，以開發(fā)更具能力和可靠性的Agents。“這絕對是一個巨大的領域。我們正在大力投資這個方向，我想其他公司也在這樣做，”Hassabis說道。“當它們開始變得更像Agents時，這將是這些類型系統(tǒng)能力的一個重大飛躍。”

本文轉載自 ??MoPaaS魔泊云??，作者： Will Knight